首页--工业技术论文--无线电电子学、电信技术论文--无线通信论文--移动通信论文

无线传感器网络中稀疏信号重构研究

摘要第5-7页
Abstract第7-9页
第一章 绪论第13-22页
    1.1 研究背景和意义第13-14页
    1.2 国内外研究现状第14-20页
        1.2.1 压缩感知理论第14-17页
        1.2.2 压缩感知在无线传感器网络中的应用第17-20页
    1.3 本文的主要研究内容及组织结构第20-22页
第二章 压缩感知理论及分布式压缩感知框架第22-38页
    2.1 压缩感知的基本概念第23-25页
    2.2.信号的获取第25-26页
    2.3 信号的重构第26-31页
        2.3.1 信号重构的稳定性和鲁棒性第27-28页
        2.3.2 压缩感知重构算法第28-31页
    2.4 分布式压缩感知及其数学模型第31-35页
    2.5 分布式稀疏信号重构场景第35-37页
    2.6 本章小结第37-38页
第三章 基于平均一致的分布式贝叶斯稀疏信号重构算法第38-66页
    3.0 引言第38页
    3.1 平均一致策略第38-42页
        3.1.1 基础概念第39-41页
        3.1.2 平均一致性算法第41-42页
    3.2 系统模型及问题描述第42-44页
    3.3 变分贝叶斯学习第44-47页
    3.4 集中式稀疏信号重构算法第47-49页
    3.5 分布式稀疏信号重构算法第49-54页
    3.6 可扩展性分析第54页
    3.7 仿真分析第54-65页
        3.7.1 合成信号实验第55-63页
        3.7.2 真实信号实验第63-65页
    3.8 本章小结第65-66页
第四章 基于JSM-2 的分布式稀疏信号重构算法第66-82页
    4.1 引言第66页
    4.2 系统模型及问题描述第66-68页
    4.3 集中式稀疏信号重构算法第68-70页
    4.4 分布式稀疏信号重构算法第70-75页
    4.5 仿真分析第75-81页
    4.6 本章小结第81-82页
第五章 基于JSM-1 的鲁棒分布式稀疏信号重构第82-99页
    5.1 引言第82页
    5.2 系统模型及问题描述第82-85页
    5.3 鲁棒的变分贝叶斯集中式稀疏信号重构第85-90页
    5.4 鲁棒的变分贝叶斯分布式稀疏信号重构第90-92页
        5.4.1 基于随机梯度扩散策略的分布式算法设计第90-91页
        5.4.2 算法描述第91-92页
    5.5 仿真分析第92-98页
    5.6 本章小结第98-99页
第六章 基于一致滤波的分布式时变稀疏信号重构算法第99-118页
    6.1 引言第99-101页
    6.2. 应用卡尔曼滤波的时变稀疏信号重构第101-103页
        6.2.1 稀疏信号恢复第101页
        6.2.2 嵌入伪观测的卡尔曼滤波第101-103页
    6.3 系统模型及问题描述第103-107页
    6.4 嵌入伪观测的容积信息滤波第107-108页
    6.5 嵌入伪观测的均方根容积信息滤波第108-110页
    6.6 嵌入伪观测的分布式平方根容积信息滤波第110-113页
    6.7 仿真分析第113-117页
    6.8 本章小结第117-118页
第七章 基于粒子滤波的时变稀疏信号重构算法第118-136页
    7.1 引言第118-119页
    7.2 系统模型及问题描述第119-120页
    7.3 基于粗量化观测的粒子滤波算法第120-124页
    7.4 稀疏信号恢复第124-127页
        7.4.1 迭代伪观测更新方法第124-125页
        7.4.2 稀疏容积点滤波方法第125-127页
    7.5 算法描述第127-129页
    7.6 仿真结果第129-134页
    7.7 本章小结第134-136页
总结和展望第136-139页
    总结第136-137页
    展望第137-139页
附录A第139-143页
附录B第143-145页
参考文献第145-160页
攻读博士学位期间取得的研究成果第160-162页
致谢第162-163页
附件第163页

论文共163页,点击 下载论文
上一篇:非理想网络环境下多智能体系统的趋同控制研究
下一篇:基于机器学习的移动网络用户体验质量与行为研究